Multicolinearidade refere-se à correlação entre...

457941204640765

Ano: 2010Banca: CESPE / CEBRASPEOrganização: INMETRODisciplina: EstatísticaTemas: Modelos Lineares

Multicolinearidade refere-se à correlação entre as variáveis explicativas de um modelo de regressão. Acerca desse assunto, assinale a opção correta.

Singularidade refere-se ao caso em que duas ou mais variáveis explicativas são, de fato, variáveis independentes.

Havendo multicolinearidade entre as variáveis explicativas de um modelo, o poder preditivo de determinada variável explicativa tende a aumentar na medida em que essa variável esteja linearmente associada às demais variáveis explicativas do modelo.

A multicolinearidade resulta em partes menores de variância compartilhada e níveis mais altos de variância única, da qual os efeitos das variáveis independentes individuais podem ser determinados.

Considere os modelos ajustados via método de mínimos quadrados ordinários \(\hat{y} = \alpha_1 + eta_1 x_1\) e \(\hat{y} = \alpha_2 + eta_2 x_2\), em que \(x_1\) e \(x_2\) são variáveis explicativas e y representa a variável dependente. Nessa situação, é correto afirmar que se a correlação linear entre \(x_1\) e \(x_2\) for nula, então \(eta_1 = eta_2\).

Considere que \(x_1\) e \(x_2\) são variáveis explicativas com correlação nula e que y representa a variável dependente. Considere, ainda, que a correlação linear entre \(x_1\) e y seja igual a 0,6 e que a correlação linear entre \(x_2\) e y seja igual a 0,5. Nessa situação, é correto afirmar que o modelo ajustado na forma \(\hat{y} = \alpha_1 + eta_1 x_1 + eta_2 x_2\) possui coeficiente de determinação (\(R^2\)) superior a 50%.

Gabarito comentado

Comentários

Anotações

Enviar para caderno

Reportar erro